Prediction of Epidemic Disease Severity and the Relative Importance of the Factors for Epidemic Disease Using the Machine Learning Methods

Salgın hastalıklar son yıllarda sıklıkla görülmektedir. Günümüzde gelişmiş veritabanı sistemleri sayesinde vatandaşların klinik ve demografik verilerine ulaşmak mümkündür. Bu veriler yardımıyla makine öğrenme algoritmaları, salgın yayılmaya başlamadan önce risk grubundaki hastaların hastalığın ne kadar şiddetli insert ignore into journalissuearticles values(evde, hastanede veya yoğun bakım ünitesinde); yaşayacağını tahmin edebilir. Bu tahminler ile gerekli önlemler alınabilir. Bu çalışmada, COVID-19 salgını sırasında İtalya ulusal ilaç veri tabanından elde edilen veriler kullanılmıştır. COVID-19 şiddeti ve şiddeti etkileyen özellikler insert ignore into journalissuearticles values(Yaş, Diyabet, Hipertansiyon vb.);, veri madenciliği insert ignore into journalissuearticles values(CRISP-DM Metodu);, makine öğrenmesi yaklaşımları insert ignore into journalissuearticles values(Bagged Trees, XGBoost, Random Forest, SVM); ve dengesiz sınıf problemini çözen bir algoritma insert ignore into journalissuearticles values(SMOTE); kullanılarak tahmin edilmiştir. Deneysel bulgulara göre Torbalı Sınıflandırma ve Regresyon Ağaçları insert ignore into journalissuearticles values(Bagged CART);, diğer yöntemlere göre insert ignore into journalissuearticles values(%83,7); daha yüksek doğrulukta COVID-19 şiddeti tahmin sonuçları vermiştir. Torbalı CART sınıflandırıcısından hesaplanan göreli özelliklere dayalı olarak yaş, kardiyovasküler hastalıklar, hipertansiyon ve diyabet en önemli dört özellik olarak tahmin edilmiştir. Önerilen yöntem ileride ortaya çıkabilecek farklı salgın hastalıklarda zaman kaybetmeden uygulanabilecektir.